XXVII Convocatoria de premios "Ingenieros de Telecomunicación"
|
|
- Cristina Redondo Cruz
- hace 8 años
- Vistas:
Transcripción
1 XXVIII CONVOCATORIA DE PREMIOS INGENIEROS DE TELECOMUNICACIÓN Proyecto Fin de Carrera XXVII Convocatoria de premios "Ingenieros de Telecomunicación" Proyecto Sistema Fin de de Odometría Carrera Visual para la Mejora del Posicionamiento Global de un Vehículo DETECCIÓN Y RECONOCIMIENTO DE PANELES DE TRÁFICO MEDIANTE Autor: TÉCNICAS DE PROCESADO Roberto García García DE IMAGEN Director: Dr. Miguel Ángel Sotelo Vázquez Escuela Politécnica Superior Universidad de Alcalá 2007 Amelio Antonio Vázquez Reina Dept. Teoría de la Señal y Comunicaciones Universidad de Alcalá
2 2 1. Resumen 1.1. Origen de la investigación En los últimos años, el uso de sistemas basados en visión artificial se ha convertido en un elemento clave dentro de la investigación y desarrollo de los Sistemas Inteligentes de Transporte y de los Vehículos Inteligentes en particular; entre otras razones por caracterizarse por una mayor velocidad y un menor coste que otro tipo de sensores comunes en el mundo de la Robótica, como son los basados en ondas de radio, LASERs y ultrasonidos. A su vez, una estimación precisa de la posición global de un vehículo es una cuestión clave, tanto para el desarrollo de buenos sistemas de asistencia al conductor, como para alcanzar una navegación autónoma. En definitiva, el desarrollo de un sistema robusto de visión que estime el movimiento de un vehículo sin conocimiento previo del entorno, constituye un reto para los investigadores especializados en el campo de los Vehículos Inteligentes. A este tipo de sistemas se les conoce como sistemas de odometría visual, por analogía con los clásicos sensores de odometría que utilizan datos provenientes de los encoders de las ruedas de los robots. Es decir, se puede definir la odometría visual como el proceso mediante el cual se determina la posición y la orientación de una cámara o de un sistema de cámaras mediante el análisis de una secuencia de imágenes adquiridas, sin ningún conocimiento previo del entorno. Como el movimiento del sistema de cámaras es solidario con el movimiento del vehículo, a esta técnica también se le conoce como ego-motion (movimiento propio) Objetivos En la actualidad, es factible la implementación de este tipo de métodos en sistemas basados en PC estándar. Sin embargo, todavía existen cuestiones abiertas que constituyen un reto para alcanzar una estimación altamente robusta del movimiento propio seguido por un vehículo en condiciones reales de tráfico. Estas cuestiones se resumen a continuación: 1. Se deben detectar objetos estacionarios que se tomarán como referencia. El sistema debe ser capaz de rechazar puntos no estacionarios, y así evitar una estimación incorrecta del movimiento. Por lo tanto, la selección de puntos de interés o características es crítica. 2. La información contenida en las escenas de tráfico puede dividirse en puntos de interés pertenecientes a la calzada y puntos de interés de fondo ( background ). Las calzadas se caracterizan por pocos puntos de interés (marcas viales) o incluso ningún punto en el caso de calzadas sin marcas. Por el contrario, el fondo de la escena en general contiene multitud de puntos de interés, sobre todo en tramos urbanos (vehículos aparcados, árboles, edificios...). Es clave la elección del algoritmo de extracción de puntos de interés y son necesarias técnicas de emparejamiento ( matching ) robusto para evitar emparejamientos falsos que produzcan por una parte una mala reconstrucción tridimensional del sistema estéreo y por otra un tracking o seguimiento de puntos erróneo.
3 3 3. Las escenas de tráfico suelen contener una gran cantidad de puntos caracterizados por una falsa información ( outliers ). Entre esta información destacan los puntos pertenecientes a objetos no estacionarios como vehículos en movimiento y peatones. Todos estos objetos producen falsas medidas para el algoritmo de odometría visual. Entre las soluciones a este problema destacan dos: emplear alguna estrategia de rechazo de outliers (como el algoritmo RANSAC) o estudiar el movimiento de los puntos de interés usando modelos probabilísticos que permitan desechar dichos objetos no estacionarios. En definitiva, en este trabajo se pretende diseñar e implementar un sistema de odometría visual que permita resolver las anteriores cuestiones y estimar de forma robusta la trayectoria descrita por el vehículo en su movimiento. Para ello, se utilizarán secuencias reales de tráfico grabadas utilizando un par estéreo de cámaras de vídeo embarcado en un automóvil. Además es deseable que el sistema sea capaz de procesar los datos en tiempo real, pensando en una futura aplicación comercial Desarrollo En este proyecto se implementa un sistema para el cálculo del movimiento propio de un vehículo mediante un método basado en visión estereoscópica. Se hace uso de un par estéreo de cámaras para disponer en cada instante de información tridimensional de la escena. Más concretamente, se utilizan las cámaras de bajo coste Fire-i 400 de Unibrain [1]. Las cámaras se fijan a una estructura que las mantiene alineadas y conectadas en serie, de manera que se utiliza un único cable para conectarlas al ordenador portátil que adquiere los datos. En la parte posterior de la estructura, se ha incorporado una ventosa para fijar la estructura a la parte interna del cristal delantero del vehículo (ver figura 1). (a) (b) Figura 1: (a) Estructura estéreo. (b) Estructura estéreo colocada en un vehículo. El proceso de adquisición de las imágenes es muy importante para un sistema de visión artificial, ya que es la fuente de toda la información que posteriormente se va a procesar.
4 4 La adquisición debe ser lo más eficiente posible para que el procesamiento de las imágenes disponga del mayor número de recursos y así alcanzar el objetivo de ejecución en tiempo real. Por otro lado, unas imágenes sin distorsión, con buen contraste y resolución deben ser el punto de partida para extraer la máxima información significativa y reducir el número de malas detecciones. En este proyecto, se utilizan imágenes adquiridas a una velocidad de 30 frames/segundo, en escala de grises y con una resolución de píxeles. En la figura 2 se muestra el diagrama de flujo de ejecución del sistema. ADQUISICIÓN IMAGEN ESTÉREO DETECCIÓN DE PUNTOS CARACTERÍSTICOS Y MATCHING MÍNIMOS CUADRADOS NO LINEALES + POST-PROCESAMIENTO ESTIMACIÓN DE LA TRAYECTORIA Figura 2: Diagrama del algoritmo de odometría visual. Por cada imagen adquirida, se extrae un conjunto de puntos con alta información (puntos de interés). En este proyecto se utiliza un detector de esquinas de Harris puesto que se ha demostrado que consigue detecciones estables frente a distorsiones moderadas en la imagen ([2] y [3]). Los procesos de selección y de seguimiento de dichos puntos de interés son aspectos clave en el sistema desarrollado. Por esta razón, se ha optimizado el tamaño de las ventanas de búsqueda buscando un compromiso entre robustez y tiempo de ejecución. Para disponer de información tridimensional de la escena, se realiza un emparejamiento de puntos entre cada par de imágenes estéreo disponibles tras cada adquisición. Este método, conocido como matching estéreo, utiliza la teoría de la geometría epipolar [4] para minimizar el número de emparejamientos erróneos. A continuación, dichos puntos se emparejan entre pares de imágenes consecutivas, para que se detecte el movimiento relativo recorrido por el vehículo entre ambos instantes de adquisición. Este proceso se conoce como matching temporal o seguimiento de puntos. En la figura 3 se muestra un ejemplo en el que se visualizan ambos procesos de emparejamiento, tanto estéreo como temporal.
5 5 Figura 3: Ejemplo de emparejamiento de puntos entre las imágenes actual ( i ) y precedente ( i 1 ). El movimiento relativo viene descrito por un modelo no lineal función de los tres ángulos de rotación y de las tres componentes del vector de traslación T i 1,i. Para las imágenes consecutivas actual y precedente (superíndices i e i 1, respectivamente) se tiene: i x j i y j = R i 1,i i 1 x j i 1 y j + T i 1,i ; j = 1,..., N (1) i z j i 1 z j siendo: y R i 1,i = T i 1,i = t x t y t z (2) cycz sxsycz + cxsz cxsycz + sxsz cysz sxsysz + cxcz cxsysz + sxcz sy sxcy cxcy, (3) donde ci = cosθ i y si = sinθ i para i = x, y, z. Los ángulos θ x, θ y y θ z son los ángulos de rotación sobre los ejes x, y y z ( pitch, yaw y roll, respectivamente) y N es el número de puntos candidatos.
6 6 Al expresar la matriz de rotación R i 1,i en función de los tres ángulos de rotación, se obliga a que el método de regresión que estima el movimiento sea no lineal. Por ello, se utiliza el método conocido como mínimos cuadrados no lineales complementado con el algoritmo RANSAC (RANdom SAmple Consensus) que aporta robustez a la estimación ([5] y [6]). Esta técnica iterativa es capaz de ignorar un gran número de outliers o puntos falsos que se encuentran en escenas reales de tráfico (ver figura 4). Figura 4: Ejemplo de outliers rechazados por el método RANSAC. Como última etapa del algoritmo, se realiza un post-procesamiento de los datos, consistente en un descarte inteligente de estimaciones parciales siguiendo dos criterios: un alto error cuadrático medio y estimaciones con ángulos de rotación sin sentido físico. Este aspecto es clave puesto que estimaciones falsas provocan un error acumulativo elevado. Para nuestro problema, la trayectoria es el conjunto de puntos que representan en cada instante de muestreo la posición de la cámara con respecto a un sistema de referencia inercial estacionario cuyo origen de coordenadas es la posición de la cámara en el instante inicial. En definitiva, nuestro sistema partiendo de la posición global del vehículo en el instante inicial (que se podría conocer utilizando un sistema GPS) va actualizando en cada instante de muestreo la posición y la orientación del vehículo (utilizando la estimación de los parámetros que caracterizan el movimiento relativo entre frames consecutivos). Esto permite ir representando la trayectoria recorrida por el vehículo en tiempo real. Se han implementado dos versiones del sistema de odometría visual. La primera proporciona trayectorias bidimensionales, estimándose únicamente un ángulo de rotación, el ángulo yaw o θ y. Con la segunda versión, se obtienen trayectorias tridimensionales, ya que se estiman también los ángulos pitch y roll (θ x y θ z ). Con respecto a las herramientas de programación, el algoritmo (selección de puntos candidatos) se implementó en lenguaje C, utilizándose funciones de la librería de código abierto de visión artificial OpenCV (Open Computer Vision Library) en su versión [7].
7 Conclusiones Se han realizado experimentos con escenas reales de tráfico urbano (velocidades inferiores a 50 km/h) sin ningún conocimiento previo ni del entorno ni del movimiento del vehículo. Los resultados son altamente satisfactorios puesto que el sistema es capaz de proporcionar trayectorias que se aproximan con bastante precisión a las trayectorias reales realizadas con el vehículo de prueba. Los resultados muestran que el sistema de odometría bidimensional está capacitado para diferenciar tramos rectos de curvas y estimar perfectamente el sentido de giro (a derechas o a izquierdas). Pese a la incertidumbre en la estimación de la profundidad de los puntos, las distancias estimadas se acercan bastante a las distancias reales recorridas. Esta incertidumbre es especialmente crítica para puntos de interés más alejados de la cámara, ya que no causan mucha variación en la posición en la imagen reproyectada. Además, los tiempos de ejecución demuestran que el sistema potencialmente funciona en tiempo real. Respecto a la versión tridimensional, se ha comprobado la dificultad que representa para los sistemas de odometría visual la estimación de los ángulos θ x y θ z ( pitch y roll respectivamente). La dificultad se debe fundamentalmente a que en un movimiento normal de un vehículo se produce poca variación de estos ángulos, lo que implica una variación mínima (díficil de apreciar) en la imagen 2D proyectada. Al no ser capaz el sistema tridimensional de estimar correctamente los ángulos pitch y roll, el sistema bidimensional sería el elegido en una futura implementación comercial del sistema. De hecho, en la actualidad los sistemas de odometría visual o ego-motion descritos en artículos académicos únicamente producen trayectorias bidimensionales. En cuanto a las futuras mejoras, se podría desarrollar un mecanismo de clasificación de puntos que permitiese descartar puntos no estacionarios antes de comenzar la estimación. Para ello, se podría desarrollar un modelo probabilístico que ponderase cada punto con una probabilidad de que dicho punto fuese estático. De estos puntos no estacionarios, los más comunes son los peatones y los vehículos en movimiento. Por lo que se podría utilizar información de otros sistemas basados en visión como detección de peatones o ACC (basado en detección de vehículos) que se están desarrollando o refinando en el grupo de investigación de Vehículos Inteligentes de la Universidad de Alcalá. Debe marcarse como uno de los objetivos para futuros desarrollos, la mejora de la estimación en los giros del vehículo (ángulo yaw ) para conseguir obtener una trayectoria de bucle cerrado. Puesto que el sistema se caracteriza por un error acumulativo, se tiene pensado evaluar estrategias que permitan disminuir esa deriva a largo plazo.
8 8 2. Originalidad Para conseguir un sistema de odometría visual que proporcione unos resultados con precisión elevada es necesario utilizar algoritmos de estimación robusta altamente complejos, que provocan un coste computacional lo suficientemente elevado como para impedir su funcionamiento en tiempo real. Por esta razón, en la actualidad no existe en el mercado sistema comercial alguno de odometría visual aplicado a Vehículos Inteligentes. El desarrollo de métodos de odometría visual, ha supuesto y supone actualmente un reto para los investigadores dentro del campo de la Visión Artificial. Este interés ha generado una serie de publicaciones en revistas y congresos especializados. Con objeto de resaltar las aportaciones que realiza este proyecto, se describen las principales características del estado del arte en este tipo de sistemas. La idea de estimar desplazamientos a partir imágenes usando visión estereoscópica ha sido previamente expuesta en [8] y [9]. En el primer artículo se propone una solución teórica al problema pero sin aportar resultados que muestren la capacidad de implementación del método en tiempo real. En el segundo, se presenta un sistema de odometría visual utilizando un sistema monocular o un sistema estéreo. La versión monocular debe ser mejorada para alcanzar resultados en tiempo real. Por su parte, el sistema estéreo funciona en tiempo real con bajo retardo. Eso sí, debido a la gran carga computacional, se limitó la velocidad de adquisición a 13 imágenes por segundo. En [10] se presenta un sistema para localizar robots móviles en entornos exteriores que funciona en tiempo real. El sistema utiliza un par estéreo de cámaras, junto con sensores de navegación de bajo coste para realizar una estimación robusta del movimiento. El desarrollo y las pruebas se realizaron con robots móviles, no con vehículos comerciales como en nuestro caso. Los dos robots gemelos de exploración de Marte (MER -.Mars Exploration Rovers.-) propiedad de la NASA, el Spirit y el Opportunity incorporan un sistema de odometría visual [11] que ha sido una herramienta muy efectiva para mantener la seguridad del vehículo cuando éste navega sobre obstáculos cercanos o a través pendientes, asegurando una adquisición de imágenes científicas segura. La mejora en el conocimiento de la posición proporciona más capacidad autónoma al robot y mejor retorno científico durante las operaciones planetarias. Sin embargo, el sistema de odometría visual no se utiliza en todo el trayecto puesto que cada paso requiere 2-3 minutos de cálculo en la CPU utilizada. Esto provoca que se utilice únicamente en trayectos relativamente cortos (típicamente menos de 15 m) para corregir los errores del sistema de odometría clásico, que ocurren cuando las ruedas pierden tracción en grandes rocas y pendientes excesivas. A continuación, se enumeran las contribuciones originales aportadas por este proyecto fin de carrera, en cada uno de los procesos que forman parte del algoritmo implementado: 1. La búsqueda de puntos de interés (esquinas de Harris) se restringe a un par de regiones rectangulares localizadas en ambos laterales de la imagen por debajo de la línea del horizonte. De esta forma, se favorece la selección de puntos estacionarios, evitando
9 9 tomar un gran número de puntos falsos correspondientes a vehículos que preceden al nuestro. A su vez, esta estrategia favorece la elección de puntos de la escena cercanos al par de cámaras, donde la incertidumbre en la obtención de la profundidad es menor. 2. Se ha realizado una exhaustiva experimentación para seleccionar los parámetros y la región de búsqueda del emparejamiento de puntos de interés en los procesos de matching estéreo y temporal. La región de búsqueda es una ventana rectangular cuyas dimensiones se han optimizado para alcanzar un compromiso entre el tiempo de ejecución y la minimización de errores. Dichas dimensiones se han adaptado a la máxima velocidad que debera alcanzar el vehículo en zonas urbanas (50 km/h). Este aspecto es clave, puesto que se debe minimizar las dimensiones de la ventana para evitar que los procesos de emparejamiento se conviertan en el cuello de botella del algoritmo. 3. Se presenta un algoritmo robusto de estimación del movimiento del vehículo basado en un método de regresión no lineal complementado con el método RANSAC, que permite ignorar un gran número de outliers que forman parte de las escenas de tráfico. Una vez más, con el objetivo de minimizar la carga computacional, se ha realizado una selección empírica de los parámetros que caracterizan este método iterativo. 4. Como última etapa del algoritmo, se implementa un post-procesamiento que realiza un descarte inteligente de estimaciones parciales erróneas. Se siguen los criterios de alto error cuadrático medio y estimaciones con ángulos de rotación sin sentido físico. Esta es una contribución destacable de este trabajo, ya que se disminuye considerablemente el error acumulativo total. Con respecto al sistema global, los experimentos realizados con escenas de tráfico urbano real y utilizando un vehículo comercial son muy satisfactorios. En la literatura, como se ha citado anteriormente, únicamente se han realizado pruebas con robots móviles, siendo las restricciones temporales sensiblemente inferiores, ya que su velocidad es muy inferior a la alcanzada con un vehículo comercial. Además, el trabajo presentado está capacitado para funcionar en tiempo real para unas velocidades de adquisición mayores que las presentadas en los artículos citados (30 imágenes/s frente a las 13 imágenes/s de [9]). Por ello, se puede afirmar que el sistema descrito tiene una destacable relevancia dentro del estado actual de los métodos de odometría visual dentro de la línea de investigación de Vehículos Inteligentes.
10 10 3. Resultados Los resultados del sistema implementado se presentan para secuencias de imágenes estéreo grabadas en Alcalá de Henares (Madrid) sin conocimiento previo del entorno o del movimiento. Todas ellas se grabaron bajo condiciones de tráfico real en un entorno urbano. En primer lugar, las figuras 5, 6 y 7 muestran las trayectorias a vista de pájaro estimadas por el sistema de odometría bidimensional junto con el movimiento real descrito por el vehículo o ground truth (tomado de [12]). Como se dijo anteriormente, el sistema bidimensional estima únicamente el ángulo de giro o ángulo yaw. Por su parte, en la figura 8 se muestra la trayectoria 3D correspondiente a una de las secuencias grabadas obtenida por el sistema de odometría visual tridimensional. En este caso, el sistema estima los tres ángulos de rotación. Las gráficas se dibujan con dos colores para diferenciar los tramos rectos, en rojo; de las curvas, en color azul. En la tabla 1 se reflejan los datos relevantes relativos a los resultados obtenidos. Cabe señalar que pese a la incertidumbre en la estimación de la profundidad de los puntos que caracteriza al sistema (sobre todo para puntos de interés que están más alejados de la cámara), las distancias estimadas se acercan con una precisión aceptable a las distancias reales recorridas. Las gráficas muestran que la versión bidimensional tiene capacidad para discriminar tramos rectos de tramos curvos, además de estimar correctamente el sentido de giro. Para las tres secuencias 2D, se desechan un número de estimaciones por debajo del 20 % y el sistema puede funcionar en tiempo real, al ser el tiempo de ejecución del algoritmo menor que la duración del vídeo z (m) x (m) (a) (b) Figura 5: (a) Vista aérea del trayecto realizado ( ground truth ). (b) Trayectoria estimada (secuencia 1). Secuencia 1 Secuencia 2 Secuencia 3 Secuencia 4 Tiempo de ejecución 37,56 s 48,66 s 35,04 s 53,19 s Duración del vídeo 39,60 s 51,33 s 35,33 s 50,83 s Frames descartados 12,21 % 17,99 % 18,14 % 27,01 % Tabla 1: Resultados.
11 z (m) x (m) (a) (b) Figura 6: (a) Vista aérea del trayecto realizado ( ground truth ). (b) Trayectoria estimada (secuencia 2) z (m) x (m) (a) (b) Figura 7: (a) Vista aérea del trayecto realizado ( ground truth ). (b) Trayectoria estimada (secuencia 3).
12 12 (a) Trayectoria 3D y (m) z (m) x (m) (b) Figura 8: (a) Vista aérea del trayecto realizado ( ground truth ). (b) Trayectoria 3D estimada (secuencia 4). Para facilitar la evaluación de los pruebas realizadas se adjuntan los vídeos correspondientes a la ejecución del algoritmo para las tres secuencias bidimensionales. En la trayectoria tridimensional queda patente la dificultad para estimar los ángulos pitch y roll mediante un sistema de odometría visual. Esta dificultad se refleja en la aparición de una pendiente no deseada en la trayectoria 3D estimada debido a una mala estimación de estos ángulos auxiliares (ver figura 8.b). Téngase en cuenta que la secuencia utilizada se corresponde con un trayecto con una pendiente despreciable. La dificultad se debe fundamentalmente a la poca variación a corto plazo de estos ángulos que se produce en un movimiento normal de un vehículo, lo que implica una variación díficil de apreciar en la imagen captada por la cámara. Como se muestra en la tabla 1, el tiempo de ejecución aumenta con respecto al obtenido en los resultados bidimensionales, ya que el método de regresión es más complejo al tener que estimar los tres ángulos de rotación. Este aumento provoca que el sistema tridimensional, por poco, no cumpla las exigencias de tiempo real. Los inconvenientes que presenta el sistema tridimensional hacen que el sistema bidimensional sea el candidato elegido para una futura implementación comercial del sistema. De hecho, en la actualidad los sistemas de odometría visual o ego-motion descritos en artículos académicos únicamente producen trayectorias bidimensionales.
13 13 4. Aplicabilidad Una aplicación directa del sistema descrito es proporcionar asistencia al conductor en tareas de navegación y formar parte de un sistema de mayor complejidad que permita alcanzar el objetivo de una navegación autónoma del vehículo. En primer lugar, el sistema de odometría podría beneficiarse de la información procedente de otras aplicaciones de Visión Artificial como la detección de peatones y la técnica de detección de vehículos ACC ( Adaptative Cruise Control ) que se están desarrollando en nuestro grupo de investigación. Esto permitiría realizar un rechazo previo de puntos falsos (no estacionarios), alcanzando una mayor precisión en la estimación del movimiento propio del vehículo y mejorando la robustez del sistema de posicionamiento. Para alcanzar la navegación autónoma, sería necesario fusionar el sistema de visión con un receptor GPS convencional. El receptor GPS para realizar la localización necesita recibir la señal radio proveniente de al menos cuatro satélites; algo que no es posible en zonas sin cobertura. En estas zonas, el sistema de posicionamiento basado en visión permanecería activo, y por tanto no habría pérdida de información sobre la trayectoria seguida por el vehículo. Además, para dar consistencia global al sistema, la estimación obtenida por odometría visual puede ser modificada utilizando los datos del GPS. Se debe tener en cuenta que el sistema de odometría visual proporciona información localmente consistente, pero al caracterizarse por un error acumulativo, su comportamiento empeora a largo plazo. Sin embargo, el GPS convencional cuando está disponible proporciona una estimación con un error acotado de 3 metros, pero está sujeto a saltos o desviaciones en plazos cortos. Por tanto, la integración de la odometría visual con un sistema GPS relativamente barato permitiría prevenir derivas a largo plazo permitiendo la localización del vehículo sobre largas distancias. Dentro del campo de la robótica, este tipo de sistemas se podrían utilizar en entornos interiores ( indoor ) complementando a técnicas SLAM de localización simultánea y generación de mapas. Por supuesto el sistema de odometría visual implementado podría ser utilizado para mejorar la seguridad de robots de exploración tanto terrestres como espaciales (como se hace en los rovers de Marte). En definitiva, la odometría visual se puede utilizar para proporcionar una localización precisa tanto en entornos interiores ( indoor ) como exteriores ( outdoor ) de robots móviles y vehículos comerciales. Este tipo de sistemas de visión proporcionan una mayor capacidad autónoma al vehículo o robot y una asistencia al conductor en tareas de navegación para vehículos comerciales.
14 14 5. Anexos 5.1. Publicaciones relacionadas con el trabajo Publicaciones en revistas internacionales 1. R. García-García, M. A. Sotelo, I. Parra, D. F. Llorca, J. E. Naranjo, M. Gavilán. 3D Visual Odometry for Road Vehicles. Journal of Intelligent and Robotic Systems. Vol. 51: Springer Verlag. Noviembre M. A. Sotelo, R. García-García, I. Parra, D. F. Llorca, J. E. Naranjo, M. Gavilán, S. Álvarez. Visual Odometry for Road Vehicles - Feasibility Analysis. Journal of Zhejiang University Science - Part A. Vol. 8, No.12: Springer Verlag. China, Diciembre M. A. Sotelo, R. Flores, R. García-García, M. Ocaña, M. A. García, I. Parra, D. Fernández, M. Gavilán, J. E. Naranjo. Ego-motion computing for vehicle velocity estimation. Lecture Notes in Computer Science. Vol. 4739: Springer. Febrero Publicaciones en congresos internacionales 1. R. García-García, M. A. Sotelo, I. Parra, D. Fernández, M. Gavilán. 3D Visual Odometry for GPS Navigation Assistance. Proceedings of the 2007 IEEE Intelligent Vehicles Symposium (IV 07), pp: Estambul, Turquía, Junio R. García-García, M. A. Sotelo, I. Parra, D. Fernández, M. Gavilán. 2D Visual Odometry for GPS Navigation Assistance. Proceedings of the 2007 IEEE International Symposium on Intelligent Signal Processing (WISP 2007). pp: Alcalá de Henares, España. Octubre Financiación y proyectos de investigación 1. Título del proyecto: Sistema de mejora del posicionamiento global en vehículos de carretera para el incremento de la seguridad de los navegadores automáticos. Entidad financiadora: CAM-UAH. Referencia: CCG06-UAH/DPI Entidades participantes: Universidad de Alcalá. Duración: desde el 1/1/2007 hasta el 31/12/2007. Investigador principal: Miguel Ángel Sotelo. Número de investigadores participantes: 7. Cuantía total del proyecto: e. 2. Título del proyecto: Cooperación con China y Australia en el desarrollo de Sistemas Inteligentes de Transportes. Entidad financiadora: Ministerio de Educación y Ciencia - Acciones Complementarias Internacionales. Referencia: PCI2005-A Entidades participantes: Universidad de Alcalá, Universidad de Shanghai (China), Universidad
15 15 de Griffith (Australia). Duración: desde el 1/1/2006 hasta el 31/12/2008. Investigador principal: Miguel Ángel Sotelo. Número de investigadores participantes: 10. Cuantía total del proyecto: e Documentación entregada Además de este resumen, se aporta: - Copia de la memoria del Proyecto Fin de Carrera en formato eléctronico (PFC.pdf en la carpeta de archivos PFC) - Publicaciones en revistas y congresos en formato eléctronico (carpeta de archivos PU- BLICACIONES). - Vídeos con resultados de las pruebas realizadas en entornos reales de tráfico (carpeta VIDEOS). 6. Referencias 1. Unibrain, C. Harris and M. Stephens. A combined corner and edge detector. Proc. Fourth Alvey Vision Conference, pp , C. Schmid, R. Mohr and C. Bauckhage. Evaluation of Interest Point Detectors. International Journal of Computer Vision. 37(2): pp , G. Xu and Z. Zhang. Epipolar Geometry in Stereo, Motion, and Object Recognition: A Unified Approach. Kluwer Academic Publishers Norwell, MA, USA M. A. Fischler and R. C. Bolles. Random sample consensus: A paradigm for model fitting with applications to image analysis and automated cartography. Communications of the ACM, 24(6): pp , Jun R. Hartley and A. Zisserman. Multiple View Geometry in Computer Vision. Cambridge University Press, Open Computer Vision Library, Z. Zhang and O. D. Faugeras. Estimation of displacements from two 3-D frames obtained from stereo. IEEE Transactions on Pattern Analysis and Machine Intelligence, 14(12): pp , Dec D. Nister, O. Narodistsky and J. Bergen. Visual Odometry. Proc. IEEE Conference on Computer Vision and Pattern Recognition. Volume 1, pp , 2004
16 M. Agrawal and K. Konolige. Real-time Localization in Outdoor Environments using Stereo Vision and Inexpensive GPS. 18th International Conference on Pattern Recognition (ICPR 06), pp , Y. Cheng, M. W. Maimone, L. Matthies. Visual Odometry on the Mars Exploration Rovers. IEEE Robotics and Automation Magazine. Vol 8 (6): pp Jun Google Maps
Oferta tecnológica: Vehículos autónomos para transporte de materiales en almacenes
Oferta tecnológica: Vehículos autónomos para transporte de materiales en almacenes Oferta tecnológica: Vehículos autónomos para transporte de materiales en almacenes RESUMEN Investigadores de la Universidad
Más detallesCapítulo 1 Plan de proyecto.
Capítulo 1 Plan de proyecto. 1.1 Introducción y definición del problema. Usualmente se desea que un robot explore un ambiente evitando colisionar con obstáculos que pudiesen estar presentes, para resolver
Más detallesUNIVERSIDAD DE SALAMANCA
UNIVERSIDAD DE SALAMANCA FACULTAD DE CIENCIAS INGENIERÍA TÉCNICA EN INFORMÁTICA DE SISTEMAS Resumen del trabajo práctico realizado para la superación de la asignatura Proyecto Fin de Carrera. TÍTULO SISTEMA
Más detallesGUÍA PARA UN ESCANEO ÓPTIMO
Condiciones para obtener un buen escaneo Los factores que intervienen en el proceso de escaneo son ambientales, propios de la configuración y calibración del escáner así como del objeto a escanear. El
Más detallesTecnología IP para videovigilancia... Los últimos avances han hecho posible conectar cámaras directamente a una red de ordenadores basada en el
para videovigilancia....... Los últimos avances han hecho posible conectar cámaras directamente a una red de ordenadores basada en el protocolo IP. La tecnología de las cámaras de red permite al usuario
Más detallesCAPÍTULO VI PREPARACIÓN DEL MODELO EN ALGOR. En este capítulo, se hablará acerca de los pasos a seguir para poder realizar el análisis de
CAPÍTULO VI PREPARACIÓN DEL MODELO EN ALGOR. En este capítulo, se hablará acerca de los pasos a seguir para poder realizar el análisis de cualquier modelo en el software Algor. La preparación de un modelo,
Más detallesPor qué deberías adaptar tu página web a la navegación móvil?
Por qué deberías adaptar tu página web a la navegación móvil? Adaptación de páginas web a dispositivos móviles, una realidad. Hoy en día, la variedad de dispositivos móviles existentes en el mercado ha
Más detallesCapítulo V Resultados y conclusiones
Capítulo V Resultados y conclusiones Nadav Levanon, autor del libro Radar Principles dijo: el estudio de los radares no solo una aplicación práctica, pero también una disciplina científica madura con fundamentos
Más detallesApp para realizar consultas al Sistema de Información Estadística de Castilla y León
App para realizar consultas al Sistema de Información Estadística de Castilla y León Jesús M. Rodríguez Rodríguez rodrodje@jcyl.es Dirección General de Presupuestos y Estadística Consejería de Hacienda
Más detallesMapas electrónicos. Visión de TomTom
Mapas electrónicos Visión de TomTom Introducción 24 de agosto de 2007, Ámsterdam La calidad de un dispositivo de navegación depende de la calidad de sus mapas. Este resumen explica cómo se desarrollan
Más detallesMovimiento Rectilíneo Uniforme
Movimiento Rectilíneo Uniforme 1. Teoría La mecánica es la parte de la física encargada de estudiar el movimiento y el reposo de los cuerpos, haciendo un análisis de sus propiedades y causas. La mecánica
Más detallesRobótica y visión artificial. Miguel Cazorla http://www.dccia.ua.es/~miguel Grupo de Visión Robótica Universidad de Alicante
Robótica y visión artificial Miguel Cazorla http://www.dccia.ua.es/~miguel Grupo de Visión Robótica Universidad de Alicante Introducción Percepción biológica vs. computacional Qué es una imagen? Procesamiento
Más detallesRoberto Quejido Cañamero
Crear un documento de texto con todas las preguntas y respuestas del tema. Tiene que aparecer en él todos los contenidos del tema. 1. Explica qué son los modos de presentación en Writer, cuáles hay y cómo
Más detallesPlataforma inteligente de gestión dinámica de flujos de tráfico. Universidad de Málaga Lynka
Plataforma inteligente de gestión dinámica de flujos de tráfico Universidad de Málaga Lynka 1 2 Plataforma inteligente de gestión dinámica de flujos de tráfico 3 Agencia de Obra Pública de la Junta de
Más detallesCAPÍTULO 4: ALGORITMOS DE APRENDIZAJE
Capítulo 4 Algoritmos de Aprendizaje 26 CAPÍTULO 4: ALGORITMOS DE APRENDIZAJE En este capítulo se proporcionan las descripciones matemáticas de los principales algoritmos de aprendizaje para redes neuronales:
Más detallesAutor: Javier Yáñez García
Curso 2009-2010 2010 Universidad Carlos III de Madrid PROYECTO FIN DE CARRERA: TRACKING DE PERSONAS A PARTIR DE VISIÓN ARTIFICIAL Autor: Javier Yáñez García Contenidos 1. Introducción 2. Estado del arte
Más detallesETSIINGENIO 2009 DIBUJO DE GRAFOS MEDIANTE ALGORITMOS GENÉTICOS
ETSIINGENIO 2009 DIBUJO DE GRAFOS MEDIANTE ALGORITMOS GENÉTICOS EtsiIngenio Inteligencia Artificial 1 Raposo López Alejandro Sánchez Palacios Manuel Resumen dibujo de grafos mediante algoritmos genéticos
Más detallesEL MODELO DE DATOS RASTER
EL MODELO DE DATOS RASTER El modelo de datos raster, como señala Bosque (1992), es el modelo de datos complementario al modelo vectorial presentado anteriormente. Tiene como principal característica el
Más detallesMotores de Corriente Continua...3 Motores Paso a Paso...7 Bibliografía...9
Por Guillermo Martín Díaz Alumno de: 1º Ingeniería Informática Curso 2005/2006 ËQGLFH Motores de Corriente Continua...3 Motores Paso a Paso...7 Bibliografía...9 2 0RWRUHVGH&RUULHQWHFRQWLQXD Son los mas
Más detallesA robust identification approach to gait recognition
A robust identification approach to gait recognition Autor: Tao Ding Presentación: Carlos García Argos The Pennsylvania State University Presentación para la asignatura Reconocimiento Biométrico en EPS-UAM
Más detallesVIALES ANEXO Nº 1: RECOMENDACIONES DE DISEÑO DE VIARIO Y APARCAMIENTO. Plan Nacional de C.T.M. (MTC - 79)
VIALES Para su diseño deberán tenerse en cuenta las prescripciones vigentes, tanto de la Dirección General de Carreteras como las particulares que, en cada caso, pueda imponer el Municipio, Corporación
Más detallesCONCEPTOS DE LA FUERZA
CONCEPTOS DE LA FUERZA PAPEL DE LA FUERZA EN EL RENDIMIENTO DEPORTIVO La mejora de la fuerza es un factor importante en todas las actividades deportivas, y en algunos casos determinantes (en el arbitraje
Más detallesTarifas para acceso a Internet Octubre de 2000
Tarifas para acceso a Internet Octubre de 2000 Las telecomunicaciones se han constituido en un factor estratégico para el desarrollo de los países y su competitividad internacional. La red de redes ha
Más detallesTEMA 20 EXP. WINDOWS PROC. DE TEXTOS (1ª PARTE)
1. Introducción. TEMA 20 EXP. WINDOWS PROC. DE TEXTOS (1ª PARTE) El Explorador es una herramienta indispensable en un Sistema Operativo ya que con ella se puede organizar y controlar los contenidos (archivos
Más detallesTEMA 4: Introducción al Control Estadístico de Procesos
TEMA 4: Introducción al Control Estadístico de Procesos 1 Introducción 2 Base estadística del diagrama de control 3 Muestreo y agrupación de datos 4 Análisis de patrones en diagramas de control 1. Introducción
Más detallesCAPITULO 4 JUSTIFICACION DEL ESTUDIO. En este capítulo se presenta la justificación del estudio, supuestos y limitaciones de
CAPITULO 4 JUSTIFICACION DEL ESTUDIO En este capítulo se presenta la justificación del estudio, supuestos y limitaciones de estudios previos y los alcances que justifican el presente estudio. 4.1. Justificación.
Más detallesPLANEAMIENTO DE LAS COMUNICACIONES EN EMERGENCIAS REDES PRIVADAS DISPONIBLES EN EMERGENCIAS TELEFONÍA VÍA SATÉLITE. Índice
Índice 1. REDES PRIVADAS. TELEFONÍA VIA SATÉLITE...2 1.1 SERVICIOS VIA SATELITE... 2 1.1.1 SATELITES GEOESTACIONARIOS... 2 1.1.2 Satelites no Geoestacionarios... 4 1.1.2.1 CARACTERÍSTICAS...4 1.1.2.2 TIPOS.
Más detallesEl Futuro de la Computación en la Industria de Generación Eléctrica
El Futuro de la Computación en la Industria de Generación Eléctrica Retos a los que se enfrenta la industria de generación La industria de generación eléctrica se enfrenta a dos retos muy significativos
Más detalles1. Corregir la ubicación actual y la distancia
1. Corregir la ubicación actual y la distancia Es necesario corregir el dispositivo en las siguientes situaciones: Al cambiar un neumático: realice una corrección automática (corrección de distancia) Asimismo,
Más detallesEl objetivo principal del presente curso es proporcionar a sus alumnos los conocimientos y las herramientas básicas para la gestión de proyectos.
Gestión de proyectos Duración: 45 horas Objetivos: El objetivo principal del presente curso es proporcionar a sus alumnos los conocimientos y las herramientas básicas para la gestión de proyectos. Contenidos:
Más detallesGestión de proyectos
Gestión de proyectos Horas: 45 El objetivo principal del presente curso es proporcionar a sus alumnos los conocimientos y las herramientas básicas para la gestión de proyectos. Gestión de proyectos El
Más detallesTRANSPRO EL TRANSPORTE URBANO DEL MONTEVIDEO DEL MAÑANA
EL TRANSPORTE URBANO DEL MONTEVIDEO DEL MAÑANA TRANSPRO Solución Tecnológica para Control Satelital de Flotas, Información de Arribo y Cobranza Inteligente TRANSPRO es la única Solución Tecnológica capaz
Más detallesFiltrado de Imágenes y Detección de Orillas Utilizando un Filtro Promediador Móvil Multipunto Unidimensional
Filtrado de Imágenes y Detección de Orillas Utilizando un Filtro Promediador Móvil Multipunto Unidimensional Mario A. Bueno a, Josué Álvarez-Borrego b, Leonardo Acho a y Vitaly Kober c mbueno@cicese.mx,
Más detallesCovarianza y coeficiente de correlación
Covarianza y coeficiente de correlación Cuando analizábamos las variables unidimensionales considerábamos, entre otras medidas importantes, la media y la varianza. Ahora hemos visto que estas medidas también
Más detallesAnexo I: Descripción y Modelo de Características
Este documento describe las distintas características de los productos que integran la VehicleControlSystem SPL. El modelo de características (Features Model) en el que se incluye la organización y las
Más detallesInvestigación sobre el cambio en la aceleración de un carrito que rueda hacia abajo sobre un plano inclinado
Investigación sobre el cambio en la aceleración de un carrito que rueda hacia abajo sobre un plano inclinado La investigación Pregunta de investigación: Es constante la aceleración de un carrito que cae
Más detallesOferta tecnológica: Herramienta para el desarrollo de sistemas multimedia de navegación pedestre
Oferta tecnológica: Herramienta para el desarrollo de sistemas multimedia de navegación pedestre Oferta tecnológica: Herramienta para el desarrollo de sistemas multimedia de navegación pedestre RESUMEN
Más detallesVisión Artificial. Por Elisabeth Pérez
Visión Artificial Por Elisabeth Pérez Indice Qué es la Visión Artificial? Visión Artificial Diversos nombres Áreas de Aplicación Visión Artificial en Sistemas de Calidad Los pasos a tener en cuenta Áreas
Más detallesESTUDIO DEL SISTEMA ESTÁTICO DE PROTECCIÓN DE UNA TURBINA A GAS
ESTUDIO DEL SISTEMA ESTÁTICO DE PROTECCIÓN DE UNA TURBINA A GAS Patricio León Alvarado 1, Eduardo León Castro 2 1 Ingeniero Eléctrico en Potencia 2000 2 Director de Tesis. Postgrado en Ingeniería Eléctrica
Más detallesModelización de entornos con visión artificial aplicado al guiado de robots
Modelización de entornos con visión artificial aplicado al guiado de robots Boyán Bonev (boyan@ua.es) Grupo de Visión Robótica (), Departamento de Ciencia de la Computación e Inteligencia Artificial, Universidad
Más detallesVisión artificial y Robótica Detección de movimiento y flujo óptico. Depto. de Ciencia de la Computación e Inteligencia Artificial
Visión artificial y Robótica Detección de movimiento y flujo óptico Depto. de Ciencia de la Computación e Inteligencia Artificial Contenidos Introducción Flujo óptico Structure From Motion Introducción
Más detallesIntroducción a la Firma Electrónica en MIDAS
Introducción a la Firma Electrónica en MIDAS Firma Digital Introducción. El Módulo para la Integración de Documentos y Acceso a los Sistemas(MIDAS) emplea la firma digital como método de aseguramiento
Más detalles6. SISTEMAS CAD-CAM (CAM) 6.1. CONCEPTO DE CAM
6.1. CONCEPTO DE CAM Las siglas CAM corresponden al acrónimo de Computer Aided Manufacturing, Fabricación asistida por ordenador. Por CAM se entiende la utilización de ordenadores para tareas técnicas
Más detallesINSTRODUCCION. Toda organización puede mejorar su manera de trabajar, lo cual significa un
INSTRODUCCION Toda organización puede mejorar su manera de trabajar, lo cual significa un incremento de sus clientes y gestionar el riesgo de la mejor manera posible, reduciendo costes y mejorando la calidad
Más detallesDiseño orientado al flujo de datos
Diseño orientado al flujo de datos Recordemos que el diseño es una actividad que consta de una serie de pasos, en los que partiendo de la especificación del sistema (de los propios requerimientos), obtenemos
Más detallesIdeas básicas sobre movimiento
Ideas básicas sobre movimiento Todos conocemos por experiencia qué es el movimiento. En nuestra vida cotidiana, observamos y realizamos infinidad de movimientos. El desplazamiento de los coches, el caminar
Más detallesAdaptación al NPGC. Introducción. NPGC.doc. Qué cambios hay en el NPGC? Telf.: 93.410.92.92 Fax.: 93.419.86.49 e-mail:atcliente@websie.
Adaptación al NPGC Introducción Nexus 620, ya recoge el Nuevo Plan General Contable, que entrará en vigor el 1 de Enero de 2008. Este documento mostrará que debemos hacer a partir de esa fecha, según nuestra
Más detallesCaravel Modernization Tool: Tipos de Proyectos. Caravel Modernization Tool: Tipos de Proyectos
Caravel Modernization Tool: Tipos de s La familia Caravel Modernization Tool Caravel Modernization Insight es una utilidad perteneciente a la familia Caravel Modernization Tool. Esta familia, integrada
Más detallesEducación y capacitación virtual, algo más que una moda
Éxito Empresarial Publicación No.12 marzo 2004 Educación y capacitación virtual, algo más que una moda I Introducción Últimamente se ha escuchado la posibilidad de realizar nuestra educación formal y capacitación
Más detallesCAMPAÑA VIGILANCIA Y CONTROL DEL TRANSPORTE ESCOLAR DEL 30 DE NOVIEMBRE AL 4 DE DICIEMBRE DE 2015
CAMPAÑA VIGILANCIA Y CONTROL DEL TRANSPORTE ESCOLAR DEL 30 DE NOVIEMBRE AL 4 DE DICIEMBRE DE 2015 1.- IDEAS GENERALES Durante el curso, casi medio millón de alumnos utilizan a diario un autobús escolar.
Más detallesMovimiento a través de una. José San Martín
Movimiento a través de una curva José San Martín 1. Introducción Una vez definida la curva sobre la cual queremos movernos, el siguiente paso es definir ese movimiento. Este movimiento se realiza mediante
Más detallesMineria de datos y su aplicación en web mining data Redes de computadores I ELO 322
Mineria de datos y su aplicación en web mining data Redes de computadores I ELO 322 Nicole García Gómez 2830047-6 Diego Riquelme Adriasola 2621044-5 RESUMEN.- La minería de datos corresponde a la extracción
Más detallesANÁLISIS DE LOS RESULTADOS DE LAS EVALUACIONES REALIZADAS POR ACSUCYL EVALUACIÓN PREVIA DEL PROFESORADO CONTRATADO
ANÁLISIS DE LOS RESULTADOS DE LAS EVALUACIONES REALIZADAS POR ACSUCYL EVALUACIÓN PREVIA DEL PROFESORADO CONTRATADO Desde el año 23 ACSUCYL realiza evaluaciones previas a los procesos de selección de profesorado
Más detallesOperaciones Morfológicas en Imágenes Binarias
Operaciones Morfológicas en Imágenes Binarias Introducción La morfología matemática es una herramienta muy utilizada en el procesamiento de i- mágenes. Las operaciones morfológicas pueden simplificar los
Más detallesProcesos de Fabricación I. Guía 1 1 MANUFACTURA INTEGRADA POR COMPUTADORA
Procesos de Fabricación I. Guía 1 1 MANUFACTURA INTEGRADA POR COMPUTADORA Manufactura Integrada por Computadora. Guía 2 1 Tema: DISEÑO DE PRODUCTOS EMPLEANDO SOFTWARE CAD CAM Contenidos Entorno NX 8.0
Más detallesTRABAJO COOPERATIVO EN ROBOTS
SEMINARIO Diseño y construcción de microrrobots TRABAJO COOPERATIVO EN ROBOTS Autor: Luis De Santiago Rodrigo 3º Ingeniería de Telecomunicación 1.-ÍNDICE E INTRODUCCIÓN Éste trabajo pretende ser una pequeña
Más detallesEntrevista a: ESTHER LIÑÁN. Coordinadora TIC del IES Griñón y Sección de Torrejón de la Calzada.
Entrevista a: ESTHER LIÑÁN. Coordinadora TIC del IES Griñón y Sección de Torrejón de la Calzada. P: Según he oído, el IES Griñón representa un buen ejemplo de uso e integración de TIC en la Educación.
Más detallesCiclo de vida y Metodologías para el desarrollo de SW Definición de la metodología
Ciclo de vida y Metodologías para el desarrollo de SW Definición de la metodología La metodología para el desarrollo de software es un modo sistemático de realizar, gestionar y administrar un proyecto
Más detallesINFORME UCSP Nº: 2011/0070
MINISTERIO DE LA POLICÍA CUERPO NACIONAL DE POLICÍA COMISARÍA GENERAL DE SEGURIDAD CIUDADANA INFORME UCSP Nº: 2011/0070 FECHA 07/07/2011 ASUNTO Centro de control y video vigilancia integrado en central
Más detallesÍndice INTERNET MARKETING 1
INTERNET MARKETING 1 Índice Manual de Google Analytics... 2 Qué es Google Analytics?... 2 Cómo funciona Google Analytics?... 2 Iniciar Sesión en Google Analytics... 3 Visualizar las estadísticas... 3 Resumen
Más detalles<Generador de exámenes> Visión preliminar
1. Introducción Proyecto Final del curso Técnicas de Producción de Sistemas Visión preliminar Para la evaluación de algunos temas de las materias que se imparten en diferentes niveles,
Más detallesEn este capítulo se describe la forma de cómo se implementó el sistema de video
En este capítulo se describe la forma de cómo se implementó el sistema de video por medio de una cámara web y un servomecanismo que permitiera al usuario ver un experimento en el mismo instante en que
Más detallesPráctica 1 Introducción general al SPRING
Práctica 1 Introducción general al SPRING A continuación mostramos los diferentes puntos en que se divide esta práctica de introducción: 1. Presentación del sistema 2. Base de datos del SPRING 3. Esquema
Más detallesConclusiones. Particionado Consciente de los Datos
Capítulo 6 Conclusiones Una de las principales conclusiones que se extraen de esta tesis es que para que un algoritmo de ordenación sea el más rápido para cualquier conjunto de datos a ordenar, debe ser
Más detallesFUNDACIÓN MAPFRE 2015 QUÉ ES EL SEGURO? 11.4 Comprar un seguro
QUÉ ES EL SEGURO? 11.4 Comprar un seguro Seguros y Pensiones para Todos es una iniciativa de FUNDACIÓN MAPFRE para acercar la cultura aseguradora a la sociedad, a las personas. Los contenidos que se recogen
Más detallesIndicaciones específicas para los análisis estadísticos.
Tutorial básico de PSPP: Vídeo 1: Describe la interfaz del programa, explicando en qué consiste la vista de datos y la vista de variables. Vídeo 2: Muestra cómo crear una base de datos, comenzando por
Más detallesCapítulo IV. Manejo de Problemas
Manejo de Problemas Manejo de problemas Tabla de contenido 1.- En qué consiste el manejo de problemas?...57 1.1.- Ventajas...58 1.2.- Barreras...59 2.- Actividades...59 2.1.- Control de problemas...60
Más detallesPOWER POINT. Iniciar PowerPoint
POWER POINT Power Point es la herramienta de Microsoft Office para crear presentaciones que permiten comunicar información e ideas de forma visual y atractiva. Iniciar PowerPoint Coloque el cursor y dé
Más detallesMicrosoft Access proporciona dos métodos para crear una Base de datos.
Operaciones básicas con Base de datos Crear una Base de datos Microsoft Access proporciona dos métodos para crear una Base de datos. Se puede crear una base de datos en blanco y agregarle más tarde las
Más detallesPLÁSTICOS: CONOCE, CREA Y RECICLA
TALLER DE RECICLAJE DE RESIDUOS EN LA PROVINCIA DE MÁLAGA PLÁSTICOS: CONOCE, CREA Y RECICLA 1- INTRODUCCIÓN En Tecnología (ESO) se estudian y trabajan distintos materiales. Se insiste continuamente en
Más detallesIng. Benoît FROMENT MODULO 4 4.2 FOTOGRAFIAS AEREAS
4.2 FOTOGRAFIAS AEREAS 1 - DESARROLLO DE LA FOTOGRAFIA AEREA El hombre, para enfrentar los problemas que le plantea la organización y el desarrollo del medio que habita, se ha visto obligado a crear novedosas
Más detalles"Diseño, construcción e implementación de modelos matemáticos para el control automatizado de inventarios
"Diseño, construcción e implementación de modelos matemáticos para el control automatizado de inventarios Miguel Alfonso Flores Sánchez 1, Fernando Sandoya Sanchez 2 Resumen En el presente artículo se
Más detallesTrabajo lean (1): A que podemos llamar trabajo lean?
Trabajo lean (1): A que podemos llamar trabajo lean? Jordi Olivella Nadal Director de Comunicación del Instituto Lean Management Este escrito inicia una serie de artículos sobre la organización en trabajo
Más detallesAdelacu Ltda. www.adelacu.com Fono +562-218-4749. Graballo+ Agosto de 2007. Graballo+ - Descripción funcional - 1 -
Graballo+ Agosto de 2007-1 - Índice Índice...2 Introducción...3 Características...4 DESCRIPCIÓN GENERAL...4 COMPONENTES Y CARACTERÍSTICAS DE LA SOLUCIÓN...5 Recepción de requerimientos...5 Atención de
Más detallesEL FONDO DE MANIOBRA Y LAS NECESIDADES OPERATIVAS DE FONDOS
2 EL FONDO DE MANIOBRA Y LAS NECESIDADES OPERATIVAS DE FONDOS Las inversiones de una empresa están reflejadas en su activo. Una forma de clasificación de las diferentes inversiones es en función del plazo
Más detallesINTRODUCCIÓN MEDIANTE USO DE INFORMACIÓN DIGITAL EXISTENTE
LECCIÓN 33: PROCESO DE CAPTURA DE DATOS EN EL MODELO VECTOR OBJETIVOS DE LA LECCIÓN: Estudiar los métodos de introducción de datos en formato vectorial Tener una visión global de formas de introducción
Más detallesDEPARTAMENTO DE EDUCACIÓN FÍSICA CURSO 2011/2012
ORIENTACIÓN.1ºESO Carreras de Orientación Una Carrera de Orientación consiste en recorrer en el menor tiempo posible una ruta situada en un terreno desconocido pasando por unos puntos obligados en un orden
Más detallesLOS ESTUDIOS DE INGENIERÍA INDUSTRIAL EN EL NUEVO MARCO DEL ESPACIO EUROPEO DE EDUCACION SUPERIOR. GITI + MII = Ingeniero Industrial
LOS ESTUDIOS DE INGENIERÍA INDUSTRIAL EN EL NUEVO MARCO DEL ESPACIO EUROPEO DE EDUCACION SUPERIOR. GITI + MII = Ingeniero Industrial Introducción El nuevo marco de los estudios universitarios españoles,
Más detallesAGREGAR UN EQUIPO A UNA RED Y COMPARTIR ARCHIVOS CON WINDOWS 7
Tutoriales de ayuda e información para todos los niveles AGREGAR UN EQUIPO A UNA RED Y COMPARTIR ARCHIVOS CON WINDOWS 7 Como agregar a una red existente un equipo con Windows 7 y compartir sus archivos
Más detallesEn las estructuras de datos, muchas de las implementaciones o mapeos de problemas, sus
1 Introducción. En las estructuras de datos, muchas de las implementaciones o mapeos de problemas, sus soluciones o procesos, se basan en matrices binarias. Existen varios métodos y algoritmos que trabajan
Más detallesactivuspaper Text Mining and BI Abstract
Text Mining and BI Abstract Los recientes avances en lingüística computacional, así como la tecnología de la información en general, permiten que la inserción de datos no estructurados en una infraestructura
Más detallesGANTT, PERT y CPM. Figura 5.3: Carta GANTT 3.
GANTT, PERT y CPM Características Conseguir una buena programación es un reto, no obstante es razonable y alcanzable. Ella debe tener el compromiso del equipo al completo, para lo cual se recomienda que
Más detallesWeb Publishing con LabVIEW (I)
1 Web Publishing con LabVIEW (I) Una de las herramientas más útiles de LabVIEW es el Web Publishing. Gracias a esta utilidad podemos subir nuestras creaciones a Internet, para mostrar por ejemplo resultados
Más detallesGuías _SGO. Gestione administradores, usuarios y grupos de su empresa. Sistema de Gestión Online
Guías _SGO Gestione administradores, usuarios y grupos de su empresa Sistema de Gestión Online Índice General 1. Parámetros Generales... 4 1.1 Qué es?... 4 1.2 Consumo por Cuentas... 6 1.3 Días Feriados...
Más detallesPara ingresar a la aplicación Microsoft PowerPoint 97, los pasos que se deben seguir pueden ser los siguientes:
Descripción del ambiente de trabajo Entrar y salir de la aplicación Para ingresar a la aplicación Microsoft PowerPoint 97, los pasos que se deben seguir pueden ser los siguientes: A través del botón :
Más detalles6. VECTORES Y COORDENADAS
6. VECTORES Y COORDENADAS Página 1 Traslaciones. Vectores Sistema de referencia. Coordenadas. Punto medio de un segmento Ecuaciones de rectas. Paralelismo. Distancias Página 2 1. TRASLACIONES. VECTORES
Más detallesCONTENIDO 1. TENENCIA DE DISPOSITIVOS DE COMUNICACIÓN A. TIPO Y FRECUENCIA DE USO B. COMPARACIÓN DE DISPOSITIVOS
1 CONTENIDO 2 1. TENENCIA DE DISPOSITIVOS DE COMUNICACIÓN A. TIPO Y FRECUENCIA DE USO B. COMPARACIÓN DE DISPOSITIVOS C. USO DE APLICACIONES/PROGRAMAS/SERVICIOS EN TELÉFONO MÓVIL 3 3 4 4 2. INTERNET Y REDES
Más detallesRegulador PID con convertidores de frecuencia DF5, DV5, DF6, DV6. Página 1 de 10 A Regulador PID
A Página 1 de 10 A Regulador PID INDICE 1. Regulador PID 3 2. Componente proporcional : P 4 3. Componente integral : I 4 4. Componente derivativa : D 4 5. Control PID 4 6. Configuración de parámetros del
Más detallesTIPOS DE RESTRICCIONES
RESTRICCIONES: Las restricciones son reglas que determinan la posición relativa de las distintas geometrías existentes en el archivo de trabajo. Para poder aplicarlas con rigor es preciso entender el grado
Más detallesESTUDIO DE SEGURIDAD DEL SECTOR COMERCIAL
C CÁMARA DE COMERCIO DE COSTA RICA ESTUDIO DE SEGURIDAD DEL SECTOR COMERCIAL MEDICIÓN ANUAL 2012 ESTUDIO DE SEGURIDAD DEL SECTOR COMERCIAL MEDICION ANUAL DEL 2012 LOS COSTOS DE LA INSEGURIDAD DEL SECTOR
Más detalles6 CONCLUSIONES Y RECOMENDACIONES
6 Conclusiones y recomendaciones 109 6 CONCLUSIONES Y RECOMENDACIONES 6.1 CONCLUSIONES La presente investigación se ha dedicado al estudio del ángulo de presión, radio de curvatura y presión de contacto
Más detallesEl pipeline gráfico Figura 3.1
El pipeline gráfico Para llevar a cabo una representación virtual de un ambiente tridimensional, se realiza un modelado del escenario. Dicho modelo incluye la representación geométrica de los objetos presentes,
Más detallesTELEOPERACIÓN DE UN ROBOT MOVIL CON MANEJO DIFERENCIAL A BAJO COSTO
TELEOPERACIÓN DE UN ROBOT MOVIL CON MANEJO DIFERENCIAL A BAJO COSTO Introducción.- Asanza,V 1 ; Laica,J 1 ; Paillacho,D 1 1. Centro de Visión y Robotica {vasanza, jlaica, dpailla} @fiec.espol.edu.ec Un
Más detallesEl movimiento en problemas de visión artificial
El movimiento en problemas de visión artificial Rafael Molina Depto Ciencias de la Computación e IA Universidad de Granada 1 Contenidos I. Introducción II. Importancia del movimiento visual. III. Ejemplos
Más detallesINTRODUCCION A LA PROGRAMACION DE PLC
INTRODUCCION A LA PROGRAMACION DE PLC Esta guía se utilizará para estudiar la estructura general de programación de um PLC Instrucciones y Programas Una instrucción u orden de trabajo consta de dos partes
Más detallesCAPÍTULO 3. ALGORITMOS DE PREVISIÓN BASADOS EN LA EXTRAPOLACIÓN DE LOS DATOS MÁS RECIENTES
CAPÍTULO 3. ALGORITMOS DE PREVISIÓN BASADOS EN LA EXTRAPOLACIÓN DE LOS DATOS MÁS RECIENTES El objetivo de esta tesina es la introducción de mejoras en la previsión meteorológica a corto plazo. El punto
Más detallesCAPÍTUL07 SISTEMAS DE FILOSOFÍA HÍBRIDA EN BIOMEDICINA. Alejandro Pazos, Nieves Pedreira, Ana B. Porto, María D. López-Seijo
CAPÍTUL07 SISTEMAS DE FILOSOFÍA HÍBRIDA EN BIOMEDICINA Alejandro Pazos, Nieves Pedreira, Ana B. Porto, María D. López-Seijo Laboratorio de Redes de Neuronas Artificiales y Sistemas Adaptativos Universidade
Más detallesICTE NORMAS DE CALIDAD DE AGENCIAS DE VIAJES REGLAS GENERALES DEL SISTEMA DE CALIDAD. Ref-RG Página 1 de 9
Página 1 de 9 1 Página 2 de 9 SUMARIO 1. OBJETO 2. ALCANCE 3. DEFINICIONES 4. GENERALIDADES 5. NORMAS DE CALIDAD DE SERVICIO 6. ESTRUCTURA TIPO DE LAS NORMAS 7. MECANISMOS DE EVALUACIÓN 8. PONDERACIÓN
Más detallesDecisión: Indican puntos en que se toman decisiones: sí o no, o se verifica una actividad del flujo grama.
Diagrama de Flujo La presentación gráfica de un sistema es una forma ampliamente utilizada como herramienta de análisis, ya que permite identificar aspectos relevantes de una manera rápida y simple. El
Más detallesDirección de Planificación Universitaria Dirección de Planificación Universitaria 0819-07289 Panamá, Rep. de Panamá 0819-07289 Panamá, Rep.
Comparación de las tasas de aprobación, reprobación, abandono y costo estudiante de dos cohortes en carreras de Licenciatura en Ingeniería en la Universidad Tecnológica de Panamá Luzmelia Bernal Caballero
Más detalles